[论文解读] Spatio-temporal load shifting for truly clean computing

Iegor Riepin, Tom Brown+1 more|arXiv (Cornell University)|Mar 26, 2024

Distributed and Parallel Computing Systems被引用 4

一句话总结

本文提出了一种基于地理分布式数据中心的时空负荷转移策略，以实现全天候碳中和能源（CFE）匹配。通过利用三种信号——本地可再生能源质量、风力发电在距离上的相关性，以及由于地球自转导致的太阳辐射滞后——该模型使每增加1%的灵活负荷，全天候CFE成本降低1.29 ± 0.07 €/MWh，从而提升了成本效率与清洁能源利用率。

ABSTRACT

Companies with datacenters are procuring significant amounts of renewable energy to reduce their carbon footprint. There is increasing interest in achieving 24/7 Carbon-Free Energy (CFE) matching in electricity usage, aiming to eliminate all carbon footprints associated with electricity consumption on an hourly basis. However, the variability of renewable energy resources poses significant challenges for achieving this goal. We explore the impact of shifting computing jobs and associated power loads both in time and between datacenter locations. We develop an optimization model to simulate a network of geographically distributed datacenters managed by a company leveraging spatio-temporal load flexibility to achieve 24/7 CFE matching. We isolate three signals relevant for informed use of load flexiblity: varying average quality of renewable energy resources, low correlation between wind power generation over long distances due to different weather conditions, and lags in solar radiation peak due to Earth's rotation. We illustrate that the location of datacenters and the time of year affect which signal drives an effective load-shaping strategy. The energy procurement and load-shifting decisions based on informed use of these signals facilitate the resource-efficiency and cost-effectiveness of clean computing -- the costs of 24/7 CFE are reduced by 1.29$\pm$0.07 EUR/MWh for every additional percentage of flexible load. We provide practical guidelines on how companies with datacenters can leverage spatio-temporal load flexibility for truly clean computing. Our results and the open-source optimization model can also be useful for a broader variety of companies with flexible loads and an interest in eliminating their carbon footprint.

研究动机与目标

• 解决在可再生能源波动背景下，数据中心电力消费实现全天候碳中和能源（CFE）匹配的挑战。
• 研究数据中心在时间和空间上的负荷灵活性如何提升资源效率并减少碳足迹。
• 识别并量化三个关键物理信号——本地可再生能源质量、风力发电相关性、太阳辐射滞后——对负荷转移效果的影响。
• 为公司提供实用指导，以协同优化长期能源采购与短期负荷转移策略，实现清洁计算。
• 展示在规模化实现真正清洁计算过程中，负荷灵活性的边际经济价值。

提出的方法

• 使用PyPSA开发一个开源优化模型，模拟具有灵活工作负载的地理分布式数据中心网络。
• 整合多个欧洲地点的风能、太阳能和电网混合能源的小时级发电与电价数据。
• 通过重新调度非关键工作负载实现时间上的负荷转移，通过在数据中心之间迁移工作负载实现空间上的负荷转移。
• 以节点边际碳强度和可再生能源容量因子作为关键输入，指导最优负荷整形决策。
• 采用多阶段优化框架，在尊重数据中心运行约束和电网互联条件的前提下，最小化全天候CFE匹配成本。
• 在不同欧洲地点和季节变化下验证结果，以推广对负荷灵活性价值的普遍性认识。

Figure 1 : Illustration of spatio-temporal load-shifting optimisation problem faced by a datacenter operator.

实验结果

研究问题

• RQ1 时空负荷转移如何降低数据中心实现全天候碳中和能源（CFE）匹配的成本？
• RQ2 在本地可再生能源质量、风力发电相关性与太阳辐射滞后这三种物理信号中，哪一种对负荷转移策略的有效性影响最大？
• RQ3 随着灵活负荷比例的提高，全天候CFE匹配的边际成本如何变化？
• RQ4 数据中心位置与季节变化如何影响不同负荷转移信号的主导性？
• RQ5 对于致力于实现电力消费脱碳的企业而言，负荷灵活性的实际价值是什么？

主要发现

• 每增加1%的灵活负荷，全天候CFE匹配成本降低1.29 ± 0.07 €/MWh，表明负荷灵活性具有明确的边际经济价值。
• 在德国与丹麦、葡萄牙合作的情况下，当灵活负荷占比为40%时，全天候CFE成本从无灵活性时的215 €/MWh降至137 €/MWh。
• 对于相距380公里、风力条件相似的数据中心，10%的灵活负荷可带来9.5%的成本节约，提升至40%灵活负荷时节约达26.5%，在300–400公里处达到峰值，因风力相关性随距离衰减。
• 由于地球自转导致的太阳辐射滞后，使跨时区的有效套利成为可能，提升太阳能利用率并降低CFE匹配成本。
• 负荷转移策略的有效性取决于数据中心的位置与季节，不同信号在不同情境下占主导地位——例如夏季以太阳辐射滞后为主，冬季则以风力相关性为主。
• 随着负荷灵活性的提升，收益递减现象显现，表明需要对长期采购与短期调度策略进行战略性协同优化。

Figure 2 : Illustration of load flexibility concept: the absolute value of deviations between dispatched $\widetilde{d}_{t}$ [MW] and requested $d_{t}$ [MW] loads must fall within a certain flexibility range $f$ [%] for each hour $t$ .